KI-Geschäftsmodelle in der Produktion/AI business models in manufacturing – Characteristics of AI business models in manufacturing

Inhaltsverzeichnis

Bibliographische Infos

Cover der Ausgabe: wt Werkstattstechnik online Jahrgang 114 (2024), Heft 07-08
Open Access Vollzugriff

wt Werkstattstechnik online

Jahrgang 114 (2024), Heft 07-08

Autor:innen:
Verlag
VDI fachmedien, Düsseldorf
Copyrightjahr
2024
ISSN-Online
1436-4980
ISSN-Print
1436-4980

Kapitelinformationen

Open Access Vollzugriff

Jahrgang 114 (2024), Heft 07-08

KI-Geschäftsmodelle in der Produktion/AI business models in manufacturing – Characteristics of AI business models in manufacturing

Autor:innen:
ISSN-Print
1436-4980
ISSN-Online
1436-4980
Kapitelvorschau:

Das technische Know-How zur Entwicklung und Implementierung eigener KI-Lösungen hat Einzug in Unternehmen der Produktionstechnik gefunden. Eine Herausforderung besteht jedoch fort: Es mangelt an erprobten Geschäftsmodellen, die jenen durch die KI-Applikation generierten Mehrwert an ihre Anbieter weitergeben. In diesem Zusammenhang ist es entscheidend Strategien zu entwickeln, die den KI-Einsatz nicht nur technisch, sondern auch wirtschaftlich und organisatorisch optimieren.

Literaturverzeichnis

  1. [1] Kumbhar, N. N.; Mulay, A. V.: Post Processing Methods used to Improve Surface Finish of Products which are Manufactured by Additive Manufacturing Technologies: A Review. J. Inst. Eng. India Ser. C 99 (2018) 4, S. 481 – 487 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-5
  2. [2] Kuche, Y.; Siebel, D.; Polte, J.; Polte, M.; Uhlmann, E.: Herstellung optischer Oberflächen durch das Glattdrücken von PMX170CrVMo18–3–1. Production at the deading edge of technology: Proceedings of the 9th Congress of the German Academic Association for Production Technology (WGP) (2019) Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-5
  3. [3] DIN 8583–5, Teil 5, (09.2003) Fertigungsverfahren Druckumformen; Eindrücken; Einordnung, Unterteilung, Begriffe. Berlin: Beuth. Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-5
  4. [4] Klocke, F.; König, W.: Fertigungsverfahren: Umformen, 6. Auflage. Berlin: Springer, 2018 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-5
  5. [5] Maximov, J. T.; Anchev, A. P.; Duncheva, G. V.; Ganev, N.; Selimov, K. F.: Influence of the process parameters on the surface roughness, micro-hardness, and residual stresses in slide burnishing of high-strength aluminum alloys. Journal of the Brazilian Society of Mechanical Sciences and Engineering (2017) 39, S. 3.067 – 3.078 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-5
  6. [6] Polte, J.; Polte, M.; Lahoda, C.; Uhlmann, E.: Precision finishing of additive manufactured Ti-Al-components using diamond slide burnishing. 37th ASPE (2022), S. 70 – 73 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-5
  7. [7] Uhlmann, E.; Polte, M.; Hocke, T.; Wendt, M.: Neuartiges luftdruckbasiertes Glattdrück-Werkzeugsystem zur Nachbearbeitung von Stahlwerkstoffen. Diamond Business (2023) Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-5
  8. [1] Klocke, F.; König, W.: Fertigungsverfahren Band 3. 4. Auflage. Heidelberg: Springer 2007 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-11
  9. [2] Boos, W.; Kelzenberg, C.; Prümmer, M. et al.: Tooling in Germany. Studie. Stand: 2020. Internet: www.ipt.fraunhofer.de/content/dam/ipt/de/documents/Studien/Studie_Tooling-in-Germany-2020.pdf. Zugriff am 24.07.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-11
  10. [3] Kunieda, M.; Lauwers, B.; Rajurkar, K. P. et al.: Advancing EDM through Fundamental Insight into the Process. CIRP Annals – Manufacturing Technology 54 (2005) pp. 64–87 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-11
  11. [4] Uhlmann, E.; Schimmelpfennig, T.; Perfilov, I. et al.: Comparative Analysis of Dry-EDM and Conventional EDM for the Manufacturing of Micro Holes in Si3N4-TiN. Procedia CIRP 42 (2016) pp. 173– 178 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-11
  12. [5] Cao, M.; Wang, Y.; Yang, S. C. et al.: Effects of Non-Electrical Parameters on Material Removal Rate of High-Speed Small Hole EDM Drilling. Advanced Materials Research 53–54 (2008) pp. 403–407 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-11
  13. [6] Ayesta, I.; Flaño, O.; Izquierdo, B. et al.: Experimental Study on Debris Evacuation during Slot EDMing. Procedia CIRP 42 (2016), pp. 6–11 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-11
  14. [7] EOS GmbH: Additive Manufacturing, Laser-Sintering and Industrial 3D Printing: How Does Additive Manufacturing Work? Internet: www.eos.info/en-us/about-us/what-we-do/additive-manufacturing. Zugriff am 08.08.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-11
  15. [8] Amorim, F.; Lohrengel, A.; Neubert, V. F. et al.: Selective laser sintering of Mo-CuNi composite to be used as EDM electrode. Rapid Prototyping Journal 20 (2014), pp. 59–68 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-11
  16. [9] Uhlmann, E.; Polte, J.; Bolz, R. et al.: Application of additive manufactured tungsten carbide-cobalt electrodes with interior flushing channels in S-EDM. Procedia CIRP 95 (2020), pp. 460–465 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-11
  17. [10] Reinarz, B.; Weiskopf, W.: Taming the Beast – EOS overcomes the challenges of pure copper AM. TCT Mag – Europe Edition 31 (2023) 2, pp. 8–9 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-11
  18. [1] Verein Deutscher Ingenieure: VDI 3405. Additive manufacturing processes, rapid manufacturing – Basics, definitions, processes. Berlin: Beuth Verlag 2014 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  19. [2] Yadav, P.; Rigo, O.; Arvieu, C. et al.: In Situ Monitoring Systems of The SLM Process: On the Need to Develop Machine Learning Models for Data Processing. Crystals 10 (2020) 6, #524 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  20. [3] Zhang, Y.; Hong, G. S.; Ye, D. et al.: Extraction and evaluation of melt pool, plume and spatter information for powder-bed fusion AM process monitoring. Materials & Design 156 (2018), pp. 458–469 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  21. [4] Mani, M.; Lane, B.; Donmez, A. Feng, S. et al.: Measurement Science Needs for Real-time Control of Additive Manufacturing Powder Bed Fusion Processes. Gaithersburg, MD: U.S. Dept. of Commerce, National Institute of Standards and Technology 2015 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  22. [5] Klocke, F.: Fertigungsverfahren 5. Gießen, Pulvermetallurgie, Additive Manufacturing. Heidelberg: Springer Vieweg 2015 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  23. [6] King, W. E.; Barth, H. D.; Castillo, V. M. et al.: Observation of keyhole-mode laser melting in laser powder-bed fusion additive manufacturing. Journal of Materials Processing Technology 214 (2014) 12, pp. 2915–2925 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  24. [7] Madison, J. D.; Aagesen, L. K.: Quantitative characterization of porosity in laser welds of stainless steel. Scripta Materialia 67 (2012) 9, pp. 783–786 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  25. [8] Ladewig, A.; Schlick, G.; Fisser, M. et al.: Influence of the shielding gas flow on the removal of process by-products in the selective laser melting process. Additive Manufacturing 10 (2016), pp. 1–9 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  26. [9] Zou, J.; Han, X.; Zhao, Y. et al.: Investigation on plume formation during fiber laser keyhole welding based on in-situ measurement of particles in plume. Journal of Manufacturing Processes 65 (2021), pp. 153–160 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  27. [10] Zenzinger, G.; Bamberg, J.; Ladewig, A. et al.: Process monitoring of additive manufacturing by using optical tomography. AIP Conference Proceedings 1650 (2015), pp. 164–170 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  28. [11] Liu, J.; Wen, P.: Metal vaporization and its influence during laser powder bed fusion process. Materials & Design 215 (2022), doi.org/10.1016/j.matdes.2022.110505 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  29. [12] You, D. Y.; Gao, X. D.; Katayama, S.: Review of laser welding monitoring. Science and Technology of Welding and Joining 19 (2014) 3, pp. 181–201 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  30. [13] Olsson, R.; Eriksson, I.; Powell, J. et al.: Challenges to the interpretation of the electromagnetic feedback from laser welding. Optics and Lasers in Engineering 49 (2011) 2, pp. 188–194 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  31. [14] Patzke, R.: Schnelle und rauscharme Photonenmessung mit pin-Fotodioden. Stand: 2022. Internet: serwiss.bib.hs-hannover.de/files/2315/patzke2022-photonenmessung_pin-fotodioden.pdf. Zugriff am 26.07.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  32. [15] Sibillano, T.; Ancona, A.; Berardi, V. et al.: Correlation analysis in laser welding plasma. Optics Communications 251 (2005) 1–3, pp. 139–148 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  33. [16] Kawahito, Y.; Kinoshita, K.; Matsumoto, N. et al.: Effect of weakly ionised plasma on penetration of stainless steel weld produced with ultra high power density fibre laser. Science and Technology of Welding and Joining 13 (2008) 8, pp. 749–753 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  34. [17] Everton, S. K.; Hirsch, M.; Stravroulakis, P. et al.: Review of in-situ process monitoring and in-situ metrology for metal additive manufacturing. Materials & Design 95 (2016), pp. 431–445 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  35. [18] Brock, C.; Hohenstein, R.; Schmidt, M.: Optical 3D position sensor for the fast tracking of light sources. Physics Procedia 5 (2010), pp. 437–445 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  36. [19] Bidare, P.; Bitharas, I.; Ward, R. M. et al.: Fluid and particle dynamics in laser powder bed fusion. Acta Materialia 142 (2018), pp. 107–120 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  37. [20] Qin, Y.; Liu, J.; Chen, Y. et al.: Influence of Laser Energy Input and Shielding Gas Flow on Evaporation Fume during Laser Powder Bed Fusion of Zn Metal. Materials 14 (2021) 10, #2677 Renishaw plc.: InfiniAM Spectral – Energy input and melt pool emissions monitoring for AM systems. Firmenbroschüre, 2017 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-15
  38. [1] Wang, Y.: Future Elderly Care Exploration and Practices: The Application of Intelligent Medical Technology in Promoting Health and Well-being Among the Elderly. Journal of Innovation and Development 4 (2023) 3, S. 106–109 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  39. [2] Douville, S.; Marx, E. W. (Edit.): Advanced Health Technology. Managing Risk While Tackling Barriers to Rapid Acceleration. New York, NY: Routledge 2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  40. [3] Menshenin, Y.; Pinquié, R.; Chevrier, P.: New Product Development Drocess for Medtech Combination Products. Proceedings of the Design Society 3 (2023), S. 2795–2804 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  41. [4] Da Silva, L. R. R.; Sales, W. F.; Campos, F. d. A. R. et al.: A comprehensive review on additive manufacturing of medical devices. Progress in Additive Manufacturing 6 (2021) 3, S. 517–553 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  42. [5] Boopathi, S.; Khare, R.; G, J. C. K. et al.: Additive Manufacturing Developments in the Medical Engineering Field. In: Davim, J.; Keshavamurthy, R.; Tambrallimath, V. et al. (Hrsg.): Development, Properties, and Industrial Applications of 3D Printed Polymer Composites. IGI Global 2023, S. 86–106 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  43. [6] Lakkala, P.; Munnangi, S. R.; Bandari, S. et al.: Additive manufacturing technologies with emphasis on stereolithography 3D printing in pharmaceutical and medical applications: A review. International journal of pharmaceutics: X 5 (2023), p. 100159 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  44. [7] Tyagi, S. A.; M, M.: Additive manufacturing of titanium-based lattice structures for medical applications – A review. Bioprinting 30 (2023), e00267 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  45. [8] Zhang, X.; Liu, S.; Liu, Y. et al.: Titanium Alloy Fabricated by Additive Manufacturing for Medical Applications: Obtaining, Characterization and Application—Review. Metals 13 (2023) 3, S. 462 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  46. [9] Handbook of stereotactic and functional neurosurgery. New York: Marcel Dekker 2003 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  47. [10] inomed Medizintechnik GmbH: Stereotaxie mit den Systemen von inomed. Internet: https://www.inomed.de/produkte/funktionelle-neurochirurgie/stereotaxie-systeme/. Zugriff am 29.02.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  48. [11] Prior, M. J. W.; Bast, T.; McGarrity, S. et al.: Ratlas-LH: An MRI template of the Lister hooded rat brain with stereotaxic coordinates for neurosurgical implantations. Brain and neuroscience advances 5 (2021), 23982128211036332 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  49. [12] Sturm, V.; Pastyr, O.; Schlegel, W. et al.: Stereotactic computer tomography with a modified Riechert-Mundinger device as the basis for integrated stereotactic neuroradiological investigations. Acta neurochirurgica 68 (1983) 1–2, pp. 11–17 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  50. [13] Müller, M.; Winkler, D.; Möbius, R. et al.: Analysis of the Technical Accuracy of a Patient-Specific Stereotaxy Platform for Brain Biopsy. Journal of personalized medicine 14 (2024) 2 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  51. [14] ULTEM™ Filament AMHU1010F Datasheet, SABIC Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  52. [15] Metten, M.: Veränderung der Verbundfestigkeit von Hart/Weich-Verbunden und die mechanischen Eigenschaften von thermoplastischen Elastomeren durch eine Elektronenbestrahlung, TU Darmstadt, 2002 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  53. [16] Jabbari, E.; Peppas, N. A.: Polymer-Polymer Interdiffusion and Adhesion. Journal of Macromolecular Science, Part C: Polymer Reviews 34 (1994) 2, S. 205–241 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  54. [17] Delia, S.; Rochman, A.; Curmi, A.: Factors affecting interface bonding in multi-material additive manufacturing. Progress in Additive Manufacturing (2024) Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  55. [18] Freund, R.; Schneider, H.; Babucke, C. et al.: Process-Dependent Influences on Adhesion in Multi-Material Extrusion. Applied Sciences 14 (2024) 14, S. 6062 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  56. [19] Ferreira, R. T. L.; Amatte, I. C.; Dutra, T. A. et al.: Experimental characterization and micrography of 3D printed PLA and PLA reinforced with short carbon fibers. Composites Part B: Engineering 124 (2017), S. 88–100 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  57. [20] Tekinalp, H. L.; Kunc, V.; Velez-Garcia, G. M. et al.: Highly oriented carbon fiber–polymer composites via additive manufacturing. Composites Science and Technology 105 (2014), S. 144–150 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-21
  58. [1] List, M.: Ortsabhängiges Verschleißmodell für das Doppelseitenplanschleifen mit Planetenkinematik. Dissertation TU Berlin. Berichte aus dem Produktionstechnischen Zentrum Berlin. Hrsg.: Uhlmann, E.; Stuttgart: Fraunhofer Verlag, 2019 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-28
  59. [2] Uhlmann, E.; List, M.; Lichtschlag, L.: Stellgrößen beim Doppelseitenplanschleifen mit Planetenkinematik. Zeitschrift für wirtschaftlichen Fabrikbetrieb, 2016, 111 (7-8), S. 399–402 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-28
  60. [3] Uhlmann, E.; Hasper, G.; Hoghé, T.; Hübert, C.; Mihotovic, V.; Sammler, C.: Machining and Finishing of Ceramics. Ceramics Science and Technology, 2013, S. 247–266 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-28
  61. [4] Preising, D.; Dennis, P. A.: Feinschleifen als Substitutionsverfahren zum Läppen Rz < 1 μm. 5. Seminar Moderne Schleiftechnologie und Feinstbearbeitung: neue Entwicklungen und Trends aus Forschung und Praxis, 2004, S. 431–449 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-28
  62. [5] Ardelt, T.: Einfluss der Relativbewegung auf den Prozess und das Arbeitsergebnis beim Planschleifen mit Planetenkinematik. Dissertation TU Berlin. Berichte aus dem Produktionstechnischen Zentrum Berlin. Hrsg.: Uhlmann, E.; Berlin: IPK, 2001 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-28
  63. [6] Uhlmann, E.; Kleinschnitker, M.; Hoghé, T.: Optimierungspotentiale beim Doppelseitenplanschleifen mit Planetenkinematik. Jahrbuch Schleifen, Honen, Läppen und Polieren, Hrsg.: Hoffmeister, H.-W.; Denkena, B.. 2016 (67), S. 67–77 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-28
  64. [7] Rußner, C.: Präzisionsplanschleifen von Al2O3-Keramik unter Produktionsbedingungen. Dissertation TU Dresden. Göttingen: Cuvillier Verlag, 2006 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-28
  65. [8] Egger, R.: Planschleifen von Keramik mit zykloidischer Wirkbewegung. Dissertation IFW Hannover. Fortschrittberichte VDI. Düsseldorf: VDI-Verlag, 2001 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-28
  66. [9] Funck, A.: Planschleifen mit Läppkinematik. In: Spur, G. (Hrsg.): Forschungsberichte für die Praxis. München: Carl Hanser Verlag 1995. Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-28
  67. [10] Uhlmann, E.; Ardelt, T.; Spur, G.: Influence of Kinematics on the Face Grinding Process on Lapping Machines. CIRP Annals, 1999, 48 (1), S. 281–284 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-28
  68. [11] Lichtschlag, L.; Uhlmann, E.: Einflussgrößen des Schärfens beim Doppelseitenplanschleifen mit Planentenkinematik. wt Werkstattstechnik online, 2020, 110, 6, S. 393–398 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-28
  69. [12] Uhlmann, E.; Hoghé, T.: Wear reduction at double face grinding with planetary kinematics. Production Engineering Research and Development, 2012, 6 (3), S. 237–242 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-28
  70. [13] Stähli, A. W.: Flachhonen mit Läppkinematik: Hochproduktiv, präzise und kostengünstig. 6. Seminar Moderne Schleiftechnologie und Feinstbearbeitung, 2006, S. 147–154 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-28
  71. [14] DIN EN ISO 251782: Geometrische Produktspezifikation (GPS) – Oberflächenbeschaffenheit: Flächenhaft – Teil 2: Begriffe und Kenngrößen für die Oberflächenbeschaffenheit, Berlin: Beuth Verlag GmbH, 2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-28
  72. [1] Stoppa, M.; Chiolerio, A.: Wearable electronics and smart textiles: a critical review. Sensors 14 (2014) 7, pp. 11957–11992 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  73. [2] Seidenberg, M.: Lasertransmissionsschweißen als Verfahren zur Erzeugung elektrisch leitfähiger Strukturen auf textilen Substraten. – Masterarbeit, RWTH Aachen University, 2018 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  74. [3] Ismar, E.; Kurşun Bahadir, S.; Kalaoglu , F. et aö.: Futuristic Clothes: Electronic Textiles and Wearable Technologies. Global challenges 4 (2020) 7, #1900092 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  75. [4] Sonnenschein, J.: Untersuchung von Prozessgrößen beim Laserdurchstrahlschweißen von Metallfolien auf thermoplastischen Textilien. Bachelorarbeit RWTH Aachen University, 2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  76. [5] Fromme, N. P.; Li, Y.; Camenzind, M. et al.: Metal‐Textile Laser Welding for Wearable Sensors Applications. Advanced Electronic Materials 7 (2021) 4, #2001238 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  77. [6] Weng, W.; Chen, P.; He, S. et al.: Smarte elektronische Textilien. Angewandte Chemie. 128 (2016) 21, S. 6248–6277 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  78. [7] Gries, T.; Klopp, K. (Hrsg.): Füge- und Oberflächentechnologien für Textilien. Heidelberg: Springer-Verlag 2007 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  79. [8] Cherif, C. (ed.): Textile Werkstoffe für den Leichtbau. Heidelberg: Springer 2011 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  80. [9] Hoehr, L.: Konstruktion eines Druckwerkzeuges für das Laserschweißen. Masterarbeit, RWTH Aachen University, 2015 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  81. [10] Kaiser, W.: Kunststoffchemie für Ingenieure. München: Carl Hanser Verlag 2015 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  82. [11] Hopmann, C.; Michaeli, W.: Einführung in die Kunststoffverarbeitung. München: Carl Hanser Verlag 2017 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  83. [12] Marina, M.: Laserschweißen von Textilien. Studienarbeit. Reutlingen: Hochschule Reutlingen 2018 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  84. [13] Williams, Bryon: Roll-to-Roll Processing: The Basics. Stand: 2023, Internet: www.montalvo.com/roll-to-roll-processing-basics/. Zugriff am 24.07.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  85. [14] Barz, J.; Umlauf, G..: Rolle-zu-Rolle-Verfahren: Beschichtung und Strukturierung, Internet: www.igb.fraunhofer.de/de/forschung/funktionale-oberflaechen-und-materialien/verfahren/rolle-zu-rolle-beschichtung-und-strukturierung.html. Zugriff am 23.07.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  86. [15] Ulsh, M.: Roll-to-Roll Manufacturing Multilab Collaboration. Stand: 2023. Internet: www.nrel.gov/manufacturing/roll-to-roll-multilab.html. Zugriff am 21.11.2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  87. [16] Abbel, R.; Galagan, Y.; Groen, P.: Roll‐to‐Roll Fabrication of Solution Processed Electronics. Advanced Engineering Materials. 20 (2018) 8, #1701190 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  88. [17] Schulz‐Ruhtenberg, M.; Kolbusch, T.; Abreu Fernandes, S.; et al.: Seminal Tools for Roll‐to‐Roll Manufacturing Laser Technik Journal. 11 (2014) 1, pp. 21–25 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-37
  89. [1] Danninger, O.; André, D.; Wenglorz, J.: Ein Blick in die Zukunft, Studie, Berlin Partner für Wirtschaft und Technologie GmbH, 2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  90. [2] Boewe, J.; Schulten, J.: Die Transformation der globalen Automobilindustrie. Genf: Rosa-Luxemburg-Stiftung 2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  91. [3] Petry, M.; Tiede, S.: Willkommen bei ReTraNetz-BB. Berlin. Stand: 2024. Internet: https://retranetz-bb.de. Zugriff am 04.04.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  92. [4] Pfeil, F.; Meyer, Prof. Dr. M. (Hrsg.): Megatrends und die dritte Revolution der Automobilindustrie. Research Papers, Julius-Maximilian-Universität Würzburg, 2018, S. 3–4 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  93. [5] Wallentowitz, H.; Freialdenhoven, A.; Olschewski, I.: Strategien in der Automobilindustrie. Wiesbaden: Vieweg + Teubner 2009, S. 1 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  94. [6] Kropik, M.: Produktionsleitsysteme für die Automobilindustrie. 2. Auflage. Berlin: Springer Vieweg 2021 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  95. [7] Kern, W.: Modulare Produktion. Wiesbaden: Springer Vieweg, 2021. Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  96. [8] Kletti, J.; Rieger, J.: Die perfekte Produktion. 3. Auflage. Wiesbaden: Springer Vieweg, 2022 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  97. [9] Schreier, J.: Neun typische Fehler in der Produktion und wie Sie diese vermeiden. Stand: 2014. Internet: https://www.maschinenmarkt.vogel.de/neun-typische-fehler-in-der-produktion-und-wie-sie-diese-vermeiden-a-430039/. Zugriff am 11.04.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  98. [10] Langguth Consulting: Prozessoptimierung von Langguth Consulting – mehr als nur Geld sparen. Stand: 2024. Internet: https://langguth.consulting/bereiche/unternehmen/prozessoptimierung/. Zugriff am 11.04.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  99. [11] Saritas, O.; Smith, J. E.: The Big Picture – trends, drivers, wild cards, discontinuities and weak signals. Futures 43 (2011) 3, S. 292 – 312 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  100. [12] Guterres, A.; Junhua, L.: Times of Crisis, Times of Change. Global Sustainable Development Report, New York, 2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  101. [13] European Automobile Manufacturer’s Association: New Car registrations: +17.8% in June, battery electric 15.1% market share. Stand: 2023. Internet: https://www.acea.auto/pc-registrations/new-car-registrations-17–8-in-june-battery-electric-15–1-market-share/#. Zugriff am 19. Juli 2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  102. [14] Niehaus, A.; Bayen, A.; Rilling, S.; Bossert, L.; Jouni, Z.; Cartigny, L.: How Urban Mobility Will Change by 2030, Oliver Wyman Forum, 2022. Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  103. [15] Oliver Wyman: FAST 2030. Stand: 2018. Internet: https://www.oliverwyman.com/our-expertise/insights/2018/jun/fast-2030.html. Zugriff am 17.06.2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  104. [16] Bernhardt, W.: M.A.D.E – neue Mobilitätskonzepte, Autonomie, Digitalisierung, Elektrifizierung und ihre Wechselwirkung. In: Siebenpfeiffer, W.: Mobilität der Zukunft. Berlin: Springer Vieweg 2021, S. 17 – 56 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  105. [17] Falck, O.; Flach, L.; Pfaffl, C.: Spotlight Automobilbranche: Deindustrialisierungsschock oder absehbarer Strukturwandel?. (3/2023), 76. Jahrgang, S. 21 – 25 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  106. [18] Seifert, U.: Die Zukunft der Mobilität. In: Siebenpfeiffer, W.: Mobilität der Zukunft. Berlin: Springer Vieweg 2021, S. 71 – 76 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  107. [19] Statistisches Bundesamt: Europäischer Green Deal: Klimaneutralität bis 2050. Stand: 2023. Internet: https://www.destatis.de/Europa/DE/Thema/GreenDeal/_inhalt.html#. Zugriff am 07.06.2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  108. [20] Deloitte: The future of automotive mobility to 2035. Deloitte Touche Tohmatsu Limited, 2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  109. [21] Kaltenbach, J.: Vision Zero durch autonomes Fahren?. Stand: 2019. Internet: https://blog.doubleslah.de/vision-zero-durch-automones-fahren. Zugriff am 26.07.2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  110. [22] Baunach, M.; Gomes, R. M.; Malenko, M.; Mauroner, F.; Ribeiro, L. B.; Scheipel, T.: Smart mobility of the future – a challenge for embedded automotive systems. Elektrotechnik & Informationstechnik 135. (2018), S. 304–308 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  111. [23] Bauernhansl, T.; Fechter, M.; Dietz, T. (Hrsg.): Entwicklung, Aufbau und Demonstration einer wandlungsfähigen (Fahrzeug-) Forschungsproduktion. Berlin: Springer Vieweg, 2020 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  112. [24] Heineke, K.; Laverty, N.; Möller, T.; Ziegler, F.: The future of mobility. McKinsey Quarterly. McKinsey & Company, 2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  113. [25] Uhlmann, Prof. Dr. h.-c. Dr.-Ing. E. (Hrsg.): Resiliente Produktion. Futur 2/2020. Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik IPK, 2020 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  114. [26] Verband der Automobilindustrie: Zielbild Automobilproduktion. Verband der Automobilindustrie, Berlin, 2021 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  115. [27] Kuka: Matrix production: an example for Industrie 4.0. Kuka, 2016. URL: https://www.kuka.com/en-de/industries/solutions-database/2016/10/matrix-production. Zugriff am 15.05.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  116. [28] Winkler, S.; Günther, J.; Pfennig, R.: Nachhaltige Digitalisierung oder Nachhaltigkeit durch Digitalisierung?. HMD Praxis der Wirtschaftsinformatik, 2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  117. [29] Wilde, M.: Vernetzte Mobilität. Berlin: Springer Verlag, 2023. Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  118. [30] Malik AA, Bilberg A (2019) Collaborative robots in assembly: a practical approach for tasks distribution. Procedia CIRP. DOI: https://doi.org/10.1016/j.procir.2019.03.173, S. 665–670 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  119. [31] Pei, E.: Springer Handbook of Additive Manufacturing. Cham: Springer Nature Switzerland, 2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  120. [32] Lachmayer, R.; Lippert, R. B.: Entwicklungsmethodik für die Additive Fertigung. Berlin: Springer Vieweg 2020 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  121. [33] Plattform Industrie 4.0: Nachhaltige Produktion: Mit Industrie 4.0 die ökologische Transformation aktive gestalten. Stand: 2020. Internet: https://www.plattform-i40.de/IP/Redaktion/DE/Downloads/Publikation/Nachhaltige-Produktion.html. Zugriff am: 04.04.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  122. [34] Volkswagen AG: Volkswagen-led research team to recycle batteries multiple times for the first time. Volkswagen AG, Wolfsburg, 2022 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-41
  123. [1] Stanek, R.; Flemming, J.; Kirchen, J. et al.: Wertschöpfungspotenziale von E-Motoren für den Automobilbereich in Baden-Württemberg. Themenpapier Cluster Elektromobilität Süd-West. Stand: Internet: www.e-mobilbw.de/fileadmin/media/e-mobilbw/Publikationen/Studien/Cluster_ESW_Themenpapier-Wertschoepfungspotenziale-von-E-Motoren-fuer-den-Automobilbereich-in-Baden-Wuerttemberg.pdf. Zugriff am 19.08.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-48
  124. [2] Berardi, G.; Nategh, S.; Bianchi, N. et al.: A Comparison Between Random and Hairpin Winding in E-mobility Applications. 46th Annual Conference of the IEEE Industrial Electronics Society (IECON 2020), Singapore,2020, pp. 815–820. Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-48
  125. [3] Du-Bar, C.; Wallmark, O.: Eddy Current Losses in a Hairpin Winding for an Automotive Application. 2018 XIII International Conference on Electrical Machines (ICEM), Alexandroupoli, 2018, pp. 710–716 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-48
  126. [4] Biela, J.: Wirbelstromverluste in Wicklungen induktiver Bauelemente. Stand: 2017. Internet: www.research-collection.ethz.ch/bitstream/handle/20.500.11850/604056/1/Wirbelstromverluste_J_Biela_2011.pdf. Zugriff am 19.08.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-48
  127. [5] Vater, J.; Schamberger, P.; Knoll, A. et al.: Fault Classification and Correction based on Convolutional Neural Networks exemplified by laser welding of hairpin windings. 2019 9th International Electric Drives Production Conference (EDPC), Esslingen, Germany, 2019, pp. 1–8 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-48
  128. [6] Vater, J.; Kirschning, M.; Scheurenberg, D. et al.: Development of a Cloud- and Edge-Architecture for adaptive model weight optimization of a CNN exemplified by optical detection of hairpin welding. 2020 10th International Electric Drives Production Conference (EDPC), Ludwigsburg, Germany, 2020, pp. 1–7 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-48
  129. [7] Dold, E.-M.; Kaiser, E.; Pricking, S. et al.: Copper welding applications with a 2 kW cw laser in the green wavelength regime. Proceedings SPIE 11273, High-Power Laser Materials Processing: Applications, Diagnostics, and Systems IX, 112730D (2020), doi.org/10.1117/12.2546164 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-48
  130. [8] Gläßel, T.; Seefried, J.; Franke, J.: Challenges in the manufacturing of hairpin windings and application opportunities of infrared lasers for the contacting process. 2017 7th International Electric Drives Production Conference (EDPC), Würzburg, Germany, 2017, pp. 1–7 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-48
  131. [9] Dimatteo, V.; Ascari, A.; Faverzani, P. et al.: The effect of process parameters on the morphology, mechanical strength and electrical resistance of CW laser-welded pure copper hairpins. Journal of Manufacturing Processes 62 (2021), pp. 450–457 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-48
  132. [10] Mayr, A.; Lutz, B.; Weigelt, M. et al.: Evaluation of Machine Learning for Quality Monitoring of Laser Welding Using the Example of the Contacting of Hairpin Windings. 8th International Electric Drives Production Conference (EDPC), Schweinfurt, Germany, 2018, pp. 1–7 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-48
  133. [11] Mayr, A.; Hauck, L.; Meiners, M. et al.: Prediction of the Joint Cross-Section of Laser-Welded Hairpin Windings Based on 2D Image Data Using Convolutional Neural Networks. 2020 10th International Electric Drives Production Conference (EDPC), Ludwigsburg, Germany, 2020, pp. 1– 7 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-48
  134. [12] Vater, J.; Pollach, M.; Lenz, C. et al.: Quality Control and Fault Classification of Laser Welded Hairpins in Electrical Motors. 2020 28th European Signal Processing Conference (EUSIPCO), Amsterdam, Netherlands, 2021, pp. 1377–1381 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-48
  135. [13] Vater, J.; Kirschning, M.; Knoll, A.: Closing the loop: Real-time Error Detection and Correction in automotive production using Edge-/Cloud-Architecture and a CNN. 2020 International Conference on Omni-layer Intelligent Systems (COINS), Barcelona, Spain, 2020, pp. 1–7 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-48
  136. [1] Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) (Hrsg.): Batterieproduktion für Deutschland und Europa: Bericht der Fokusgruppe Wertschöpfung der AG 4 der NPM. Stand: 2021. Internet: www.plattform-zukunft-mobilitaet.de/wp-content/uploads/2021/10/NPM_AG4_Batteriezellproduktion.pdf Zugriff am 19.08.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-54
  137. [2] Erakca, M.; Baumann, M.; Bauer, W. et al.: Energy flow analysis of laboratory scale lithium-ion battery cell production. iScience 24 (2021) 5, #102437 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-54
  138. [3] Ahmed, S.; Nelson, P. A.; Dees, D. W.: Study of a dry room in a battery manufacturing plant using a process model. Journal of Power Sources 326 (2016) 10, pp. 490–497 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-54
  139. [4] Fleischer, J.; Kößler, F.; Sawodny, J. et al.: Flexible Produktionsysteme. wt Werkstattstechnik online 111 (2021) 07–08, S. 486–489. Internet: www.werkstattstechnik.de. Düsseldorf: VDI Fachmedien Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-54
  140. [5] Plocher, L.; Heller, M.; Ingendoh, B. et al.: Mini-Environments In Lithium-Ion Battery Cell Production: A Survey On Current State, Challenges And Trends. Hannover : publish-Ing 2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-54
  141. [6] Henschel, S.; Kößler, F.; Fleischer, J.: Material Flow of an Agile Battery Cell Production System Based on Diffusion-Tight Transport Boxes and Driverless Transport Systems. In: Bauernhansl, T.; Verl, A.; Liewald, M. et al. (Hrsg.): Production at the Leading Edge of Technology. Cham: Springer Nature Switzerland 2024, pp. 550–558 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-54
  142. [7] Kostengünstige Batteriezellen für das Elektroauto von morgen. JOT Journal für Oberflächentechnik 59 (2019) 8, S. 14–15 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-54
  143. [8] Verein Deutscher Ingenieure e.V.: VDI-Richtlinie 2860: Montage- und Handhabungstechnik. Berlin: Beuth Verlag GmbH 1990 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-54
  144. [1] Korthauer, R.: Handbuch Lithium-Ionen-Batterien. Heidelberg: Springer 2013 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-59
  145. [2] Bold, B.: In-Line Messung beim Kalandrieren von NMC 622 Kathoden zur Detektion von wrinkles und Dehnungen zur Erweiterung des Prozessverständnisses. Batterieforum Deutschland (2020), Berlin, 2020, Hrsg. Lithium-Ionen-Batterien (KLiB) e. V., S. 14 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-59
  146. [3] Wurba, A.-K.; Klemens, J.; Mayer, D. et al.: Methodology for the characterization and understanding of longitudinal wrinkling during calendering of lithium-ion and sodium-ion battery electrodes. Procedia CIRP 120 (2023), pp. 314–319 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-59
  147. [4] Günther, T.; Schreiner, D.; Metkar, A. et al.: Classification of Calendering‐Induced Electrode Defects and Their Influence on Subsequent Processes of Lithium‐Ion Battery Production. Energy Technology 8 (2019) 2, #1900026 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-59
  148. [5] Mayr, A.; Schreiner, D.; Stumper, B. et al.: In-line Sensor-based Process Control of the Calendering Process for Lithium-Ion Batteries. Procedia CIRP 107 (2022), pp. 295–301 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-59
  149. [6] Kößler, F.; Hertweck, R.; Fleischer, J.: Wechselwirkungserfassung zwischen Walzenrundlauf und Elektrodendicke. wt Werkstattstechnik online 113 (2023) 11–12, S. 469–474. Internet: www.werkstattstechnik.de. Düsseldorf: VDI Fachmedien Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-59
  150. [1] Wissenschaftliche Gesellschaft für Produktionstechnik: KI in der Produktion: Künstliche Intelligenz erschließen für Unternehmen. Stand: 2019. Internet: wgp.de/wp-content/uploads/WGP-Standpunkt_KI-final_20190906–2.pdf. Zugriff am 21.08.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  151. [2] Heider, I.; Yu, H.; Krischke, N. et al.: KI-Einsatz in KMU: Einstiegshürden ausräumen. wt Werkstattstechnik online 113 (2023), 07/08, S. 282–287. Internet: www.werkstattstechnik.de. Düsseldorf: VDI Fachmedien Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  152. [3] Schlagenhauf, T.: Bildbasierte Quantifizierung und Prognose des Verschleißes an Kugelgewindetriebspindeln: Ein Beitrag zur Zustandsüberwachung von Kugelgewindetrieben mittels Methoden des maschinellen Lernens. Dissertation, Karlsruher Institut für Technologie, 2022. Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  153. [4] Bretones Cassoli, B.; Hoffmann, F.; Metternich, J.: Comparison of AI-Based Business Models in Manufacturing: Case Studies on Predictive Maintenance. Proceedings of the Conference on Production Systems and Logistics CPSL 2021. Hannover, 2021, pp. 637–647 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  154. [5] DIN e.V.; DKE (Hrsg.): Deutsche Normungsroadmap Industrie 4.0 (Version 5). Stand: 2023. Internet: www.dke.de/resource/blob/2244320/7954fb1eaf7265134b94f58e9fc919ff/deutsche-normungs-roadmap-industrie-4–0-version-5-data.pdf. Zugriff am 21.08.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  155. [6] DIN e.V.; DKE (Hrsg.): Deutsche Normungsroadmap Künstliche Intelligenz (Ausgabe 2). Stand: 2022. Internet: https://wgp.de/wp-content/uploads/WGP-Standpunkt_KI-final_20190906–2.pdf. Zugriff am 21.08.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  156. [7] Vojdani, N.; Erichsen B.: Anwendungspotenziale von maschinellem Lernen in der Produktion und Logistik. Logistics Journal, Proceedings (2020), doi.org/10.2195/lj_Proc_erichsen_de_202012_01 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  157. [8] Chuo, Y. S.; Lee, J. W.; Mun, C. H. et al.: Artificial intelligence enabled smart machining and machine tools. Journal of Mechanical Science and Technology 36 (2022) 1, pp. 1–23 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  158. [9] Mockenhaupt, A.; Schlagenhauf, T.: Digitalisierung und Künstliche Intelligenz in der Produktion. Wiesbaden: Springer Fachmedien 2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  159. [10] Schallmo, D.: Geschäftsmodell-Innovation. Wiesbaden: Springer Fachmedien 2013 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  160. [11] Gassmann, O.; Frankenberger, K.; Choudury, M.: The business model navigator: 55 models that will revolutionise your business. London: Pearson 2014 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  161. [12] Osterwalder, A.; Pigneur, Y.; Bernarda, G. et al.: Value proposition design: How to create products and services customers want. Get started with. Hoboken, NJ: Wiley 2014 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  162. [13] Kreuzberger, D.; Kühl, N.; Hirschl, S.: Machine Learning Operations (MLOps): Overview, Definition, and Architecture. IEEE Access 11 (2023), pp. 31866–31879 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  163. [14] Xu, L.; Chen, L.; Gao, Z. et al.: Reshaping the Landscape of the Future: Software-Defined Manufacturing. Computer 54 (2021) 7, pp. 27–36 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  164. [15] Katewa, S.; Jain, T.: Mobile Application‘s Quality and Pricing Decisions under Competition. Decision Sciences 53 (2022) 5, pp. 896–931 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  165. [16] Siemens AG: Siemens verbindet die reale mit der digitalen Welt und ermöglicht es Unternehmen flexibel und nachhaltig zu handeln. Stand: 2021. Internet: assets.new.siemens.com/siemens/assets/api/uuid:232614c1–60bb-4c36–9048-b4c565167a5b/HQDIPR202111236348DE.pdf. Zugriff am 21.08.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  166. [17] Intel Corporation: Intel Edge Software Hub: Download prevalidated software to learn, develop, and test your solutions for the edge. Stand: 2024. Internet: www.intel.com/content/www/us/en/developer/topic-technology/edge-5g/edge-solutions/overview.html. Zugriff am 21.08.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  167. [18] Ma, D; Seidmann, A.: The Pricing Strategy Analysis for the “Software-as-a-Service” Business Model. In: Altmann, J.; Neumann, D., Fahringer, T. (Hrsg.): Lecture Notes in Computer Science, Grid Economics and Business Models. Heidelberg: Springer 2008, pp. 103–112 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  168. [19] Sadeghi, A.-R.; Wachsmann, C.; Waidner, M.: Security and privacy challenges in industrial internet of things. Proceedings of the 52nd Annual Design Automation Conference (DAC), San Francisco, California, 2015, pp. 1–6 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  169. [20] Alaluss, M. et al.: Usage-based leasing of complex manufacturing systems: A method to transform current ownership-based into pay-per-use business models. Procedia CIRP 107 (2022), pp. 1238–1244 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  170. [21] Gebr. Heller Maschinenfabrik GmbH: HELLER4Use: Das neue Nutzungsmodell für mehr Flexibilität in Ihrer Fertigung. Stand: 2024. Internet: www.heller.biz/de/maschinen-und-loesungen/heller4use. Zugriff am 21.08.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  171. [22] Intel Corporation: OpenVINO 2024. Stand: 2024. Internet: docs.openvino.ai/2024/index.html. Zugriff am 21.08.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  172. [23] Froese, J.; Straub, S.: Wem gehören die Daten? – Rechtliche Aspekte der digitalen Souveränität in der Wirtschaft. In: Hartmann, E.A. (Hrsg.): Digitalisierung souverän gestalten. Heidelberg: Springer 2021, S. 86–97 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  173. [24] VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik (Hrsg.): Geschäftsmodelle für Industrie 4.0 – Digitale Chancen und Bedrohungen. Stand: 2016. Internet: www.vdi.de/ueber-uns/presse/publikationen/details/geschaeftsmodelle-fuer-industrie-40-digitale-chancen-und-bedrohungen. Zugriff am 21.08.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  174. [25] Zhuang, F.; Qi, Z.; Duan, K. et al.: A Comprehensive Survey on Transfer Learning. Proceedings of the IEEE 109 (2021) 1, pp. 43–76, doi.org/10.1109/JPROC.2020.3004555 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  175. [26] Rafael, L.D.; Jaione, G. E.; Cristina, L. et al.: An Industry 4.0 maturity model for machine tool companies. Technological Forecasting and Social Change 159 (2020) #120203 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  176. [27] Beckhoff Automation: TwinCAT 3 ML/NN Inference Engine. Stand 2024. Internet: infosys.beckhoff.com/index.php?content=../content/1031/tf38x0_tc3_ml_nn_inference_engine/index.html&id=. Zugriff am 21.08.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  177. [28] Bajic, B.; Cosic, I.; Katalinic, B. et al.: Edge Computing vs. Cloud Computing: Challenges and Opportunities in Industry 4.0. Proceedings of the 30th International DAAAM Symposium 2019, Vienna, 2019, pp. 864–871, doi.org/10.2507/30th.daaam.proceedings.120 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  178. [29] Plathottam, S.J.; Rzonca, A.; Lakhnori, R. et al.: A review of artificial intelligence applications in manufacturing operations. Journal of Advanced Manufacturing and Processing 5 (2023) 3, doi.org/10.1002/amp2.10159 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-65
  179. [1] Gläser, W.: „Glücklicherweise ist es nur VUKA!“. In: Altenfelder, K.; Schönfeld, D.; Krenkler, W. (Hrsg.): Services Management und digitale Transformation, S. 119–146. Wiesbaden: Springer Fachmedien 2021 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  180. [2] Schuh, G.; Schmidt, C.: Produktionsmanagement. Berlin: Springer Vieweg 2014 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  181. [3] Vogel-Heuser, B.; Bauernhansl, T.; Hompel, M. ten (Hrsg.): Handbuch Industrie 4.0. Band 1: Produktion. Wiesbaden: Springer Fachmedien 2017 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  182. [4] Naumann, V.: Smarte Produkt-Service Systeme: Eine transformations- und kostenorientierte Untersuchung. Dissertation, Universität Bamberg, 2021 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  183. [5] Freitag, M.; Kück, M.; Ait Alla, A. et al.: Potenziale von Data Science in Produktion und Logistik. Industrie 4.0 Management 31 (2015) 6, S. 39–46 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  184. [6] Forschungsbeirat der Plattform Industrie 4.0/acatech – Deutsche Akademie der Technikwissenschaften (Hrsg.): Themenfelder Industrie 4.0 – Forschungs- und Entwicklungsbedarfe für die erfolgreiche Umsetzung von Industrie 4.0. Stand: 2022. Internet:/www.acatech.de/publikation/themenfelder-i40-akt/download-pdf/?lang=de. Zugriff am 22.07.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  185. [7] Reinhold, J.; Ködding, P.; Scholtysik, M. et al.: Identifying Value Creation Patterns for Smart Services. Procedia CIRP 104 (2021), pp. 576–581 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  186. [8] Liebrecht, C.: Entscheidungsunterstützung für den Industrie 4.0-Methodeneinsatz. Strukturierung, Bewertung und Ableitung von Implementierungsreihenfolgen. Dissertation, Karlsruher Institut für Technologie, 2020 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  187. [9] Leineweber, S.: Ansatz zur Unterstützung des Auswahlprozesses von digitalen Technologien für manuelle Montagesysteme. Dissertation, Ruhr-Universität Bochum, 2023 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  188. [10] Fischer, T.: Hürden der Digitalisierung in KMU. Ursachenanalyse und Handlungsempfehlungen. Zeitschrift für wirtschaftlichen Fabrikbetrieb 118 (2023) 3, S. 169–172 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  189. [11] Scholz, P.: Methodik zur potenzial- und risikobasierten Technologiebewertung. Dissertation, RWTH Aachen, 2021 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  190. [12] Nöhring, F.: Ansatz zur zielgerichteten Gestaltung cyber-physischer Produktionssysteme für kleine und mittlere Unternehmen. Dissertation, Technische Universität Dortmund, 2021 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  191. [13] Neuhüttler, J.; Feike, M.; Kutz, J. et al.: Digital Factory Transformation from a Servitization Perspective: Fields of Action for Developing Internal Smart Services. Sci 5 (2023), 2, pp. 1–22, doi.org/10.3390/sci5020022 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  192. [14] Gross, E.; Schrader, P.; Gramberg, T. et al.: Identifikation und Auswahl von digitalen Services. wt Werkstattstechnik online 113 (2023) 9, S. 376–381 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  193. [15] Beverungen, D.; Müller, O.; Matzner, M. et al.: Conceptualizing smart service systems. Electronic Markets 29 (2017) 1, pp. 7–18 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  194. [16] DIN SPEC 33453: Entwicklung digitaler Dienstleistungssysteme. Berlin: Beuth Verlag 2019 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  195. [17] Bruhn, M.; Hadwich, K. (Hrsg.): Smart Services. Konzepte – Methoden – Prozesse. Wiesbaden: Springer Gabler 2022 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  196. [18] Kampker, A.; Frank, J.; Schwartz, M. et al.: Lernen von den Besten: Fünf Erfolgsfaktoren bei der Entwicklung von Smart Services. In: Meyer, K.; Klingner, S.; Zinke, C. (Hrsg.): Service Engineering, S. 151–165. Wiesbaden: Springer Fachmedien 2018 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  197. [19] BMWi: Digitale Strategie 2025. Stand: 2016. Internet: www.bmwk.de/Redaktion/DE/Publikationen/Digitale-Welt/digitale-strategie-2025.pdf?__blob=publicationFile&v=1. Zugriff am 22.07.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  198. [20] Richter, T.: Vorgehensmodell zur Implementierung von Industrie 4.0 im Kontext ganzheitlicher Produktionssysteme. Dissertation, Technische Universität Braunschweig, 2021 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  199. [21] Begovic, A.: Datenbasiertes Wissensmanagement für Smart Services im Werkzeugbau. Dissertation, RWTH Aachen, 2018 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  200. [22] Gerl, S.: Innovative Geschäftsmodelle für industrielle Smart Services. Ein Vorgehensmodell zur systematischen Entwicklung. Wiesbaden: Springer Fachmedien 2020 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  201. [23] Hevner, A.; Chatterjee, S.: Design Science Research in Information Systems. In: Hevner, A.; Chatterjee, S. (eds.): Design Research in Information Systems. Boston, MA: Springer US 2010 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  202. [24] Liberati, A.; Altman, D. G.; Tetzlaff, J. et al.: The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate health care interventions: explanation and elaboration. Journal of clinical epidemiology 62 (2009) 10, e1–34 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  203. [25] Meiren, T.; Friedrich, M.; Gorovoj, A. et al.: Smart Services als Erfolgsfaktor für Dienstleister. Stand: 2022. Internet. smart-service-bw.de/wp-content/uploads/2022/04/1-Smart-Services-als-Erfolgsfaktor-fuer-Dienstleister.pdf: Zugriff am 22.07.2024 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  204. [26] Arioli, V.; Ruggeri, G.; Sala, R. et al.: A Methodology for the Design and Engineering of Smart Product Service Systems: An Application in the Manufacturing Sector. Sustainability 15 (2023) 1, p. 64 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  205. [27] Busse, A.: Ansatz zur quantitativen Bewertung der finanziellen Nutzenpotentiale von Zustandsdiagnosen und -prognosen in der industriellen Instandhaltung. Dissertation, Technische Universität Darmstadt, 2019 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  206. [28] Grünebaum, T.: Methodik zur Gestaltung von Technologieketten und Prozessfolgen nach lebensphasenübergreifend ökologisch-ökonomischen Kriterien. Dissertation, RWTH Aachen, 2021 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  207. [29] Kreutzer, R. J.: Methodik zur Bestimmung der Nutzenpotenziale von Felddaten cyber-physischer Systeme. Dissertation, RWTH Aachen, 2018 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72
  208. [30] Kirazli, A.: Beitrag zur Analyse der Nutzen potentiale von Industrie 4.0 in der Automobilindustrie. Am Beispiel des Supply Chain Risikomanagements. Dissertation, Technische Universität Dortmund, 2017 Google Scholar öffnen doi.org/10.37544/1436-4980-2024-07-08-72

Zitation

Download RIS Download BibTex

Downloads

Download Kapitel (PDF)

Hinweis

Dieses Werk ist urheberrechtlich geschützt und darf nur nach den Vorgaben der Nutzungs- und Lizenzvereinbarung genutzt werden. Jede darüber hinaus gehende Nutzung des Werkes ist ausdrücklich untersagt und wird verfolgt.

Per E-Mail teilen

Medien